☆☆☆Web配信セミナー☆☆☆

『機械学習・深層学習による画像認識の仕組み』　

〜機械学習アルゴリズムとその判断根拠の可視化と活用事例〜

 S200930AW

　☆☆☆本セミナーは、Zoomを使用して、行います。☆☆☆

　

　　　開催日時：2020年12月9日（水）10:00-17:00
　　受 講 料：お1人様受講の場合　47,000円[税別]／1名
　　　　　　　1口でお申込の場合　59,000円[税別]／1口（3名まで受講可能）

　★本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、
　お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。

　★インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。
　講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。

　★受講中の録音・撮影等は固くお断りいたします。

　　

　藤吉弘亘（ふじよしひろのぶ）　氏　

　　　中部大学　工学部　情報科学科　/　大学院 工学研究科 情報工学専攻　教授（博士（工学））

　1　機械学習による画像認識

　物体検出は、局所特徴量と統計的学習手法の組み合わせにより実現されています。顔検出として、Haar-like特徴とAdaBoost識別器について解説します。また、多クラス識別器であるRandom Forestのアルゴリズムとその応用例として、Kinectの人体姿勢推定手法について解説します。

　　1.1　Haar-like特徴と顔検出
　　1.2　AdaBoostのアルゴリズム
　　1.3　Random Forest
　　1.4　Random Forestを用いた距離画像からの人体姿勢推定

　2　Deep Learningによる画像認識

　機械学習における最新の研究動向として、Deep Learning について概説し、畳み込みニューラルネットワークのしくみと画像認識への適用について解説します。また、End-to-end学習などのDeep Learningによる最新動向と今後の課題についても紹介します。

　　2.1　深層学習の現在
　　2.2　畳み込みニューラルネットワーク
　　2.3　CNNによる画像認識
　　　2.3.1　一般物体認識（画像分類）
　　　2.3.2　物体検出
　　　2.3.3　セマンティックセグメンテーション
　　2.4　マルチタスク

　3　Explainable AI

　AIによる判断の根拠を説明するXAI(XAI: eXplainable AI)が注目されています。 深層学習がどのように認識しているかその判断根拠の可視化方法とその活用事例について紹介します。

　　3.1　従来の機械学習における判断根拠の解析
　　3.2　深層学習における判断根拠の解析
　　3.3　アテンションマップによる視覚的説明